一种无人值守智慧砂矿场云平台

技术领域

本发明涉及砂矿场管理领域，特别是涉及一种无人值守智慧砂矿场云平台。

背景技术

随着建筑业的快速发展，中国建筑产业呈现出蒸蒸日上的良好局面。但随着规模的不断扩大，对建筑管理提出了更高的要求。传统的管理模式固然发挥作用，但显然已经不适合目前的发展局面，这也导致了建筑企业所面临的各种工程管理问题逐渐显现。

当前砂矿场制造行业在自动化、智能化管理方面还处于一个较为原始状态，所有生产作业十分依赖人力操作，生产力低下，人工成本高，工程弊端多，难以达到“智慧建筑”的水平。其主要表现在以下几个方面：

(1)目前大多数砂矿场还处于传统的运作模式，从机械加工砂矿料，砂矿石称重、计量定价、人员出入管理以及收费管理都需要大量的人力资源，在这个方面，砂矿场的人工成本占据企业成本的很大比重。

(2)砂矿场公司的矿砂资源分布分散，砂矿场与砂矿场之间的距离较远，企业高层管理者想要同时管理巡查多个砂矿场需要耗费大量的时间和路程。传统砂矿场的传统管理无法实现企业对砂矿场的高效管理。

(3)由于砂矿场管理目前大多采用人工，在砂矿场的运作过程中容易出现人工称重失误、砂矿子种类识别失误等问题。

(4)砂矿场会有大量的大型重工业车辆和设备在砂矿场中运作，这些潜在的机械危险，会导致一定的施工意外，由此增加了砂矿企业的事故风险。

(5)对于砂矿场而言，机械制作砂矿石料已经是行业内普遍的趋势，但是专门针对砂矿场的运作管理的智能化、精准化、云端化管理、付费系统还未见其踪。

综上所述，现有的砂矿场存在效率低、成本高、安全性有待提升的缺点。

发明内容

基于此，有必要提供一种无人值守智慧砂矿场云平台，以实现砂矿场的自动化管理，提高砂矿场的运作效率、降低成本、减少称重及种类识别的失误、减少事故风险。

为实现上述目的，本发明提供了如下方案：

一种无人值守智慧砂矿场云平台，包括：砂矿场终端和云端；所述砂矿场终端与所述云端无线连接；

所述砂矿场终端包括车辆识别与监控系统、称重系统和砂矿种类识别系统；所述车辆识别与监控系统用于采集进入砂矿场的车辆的车牌图片，并进行车牌识别，得到车辆的身份信息；所述称重系统用于对空车测重，得到空车重量，并对车辆在砂矿装载完毕后称重，得到装载重量；所述砂矿种类识别系统用于采集车辆在砂矿装载完毕后的沙子图片，并识别砂矿种类，得到砂矿类别；

所述云端包括企业监管系统和用户付费系统；所述企业监管系统用于获取进入砂矿场的各车辆的车辆信息，并根据所述车辆信息计算费用信息；所述车辆信息包括所述车辆的身份信息、对应车辆的空车重量、对应车辆的装载重量和对应车辆在砂矿装载完毕后的砂矿类别；所述用户付费系统用于按照所述费用信息进行扣费。

可选的，所述砂矿场终端还包括车辆闸机超载预警系统；所述车辆闸机超载预警系统用于对进出砂矿场的车辆进行载重测量，得到载重信息，根据所述载重信息确定是否开闸放行，并在禁止开闸放行时，发出报警信号。

可选的，所述砂矿场终端还包括Wi-Fi无线通信模块；所述Wi-Fi无线通信模块用于将所述车辆信息发送至所述企业监管系统。

可选的，所述砂矿场终端还包括自动装卸装置；所述自动装卸装置用于对行驶至装砂区内的空车装载砂矿。

可选的，所述云端还包括数据库；所述数据库用于存储所述车辆信息和所述费用信息。

可选的，所述称重系统为地磅称重系统。

可选的，所述车辆识别与监控系统包括第一摄像头；所述第一摄像头用于拍摄进入砂矿场的车辆的车牌图片。

可选的，所述砂矿种类识别系统包括第二摄像头；所述第二摄像头用于拍摄车辆在砂矿装载完毕后的沙子图片。

与现有技术相比，本发明的有益效果是：

本发明提出了一种无人值守智慧砂矿场云平台，包括：砂矿场终端和云端；砂矿场终端包括车辆识别与监控系统、称重系统和砂矿种类识别系统；云端包括企业监管系统和用户付费系统；车辆识别与监控系统对进入砂矿场的车辆进行车牌识别，得到车辆的身份信息；称重系统对空车测重以及对车辆在砂矿装载完毕后称重；砂矿种类识别系统对砂矿装载完毕后的车辆进行砂矿种类识别；企业监管系统由砂矿场终端采集的信息计算费用信息；用户付费系统按照费用信息进行扣费。本发明能实现砂矿场的自动化管理，提高砂矿场的运作效率、降低成本、减少称重及种类识别的失误、减少事故风险。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的无人值守智慧砂矿场云平台的结构示意图；

图2为本发明实施例提供的无人值守智慧砂矿场云平台的实现过程图；

图3为发明实施例提供的VGG16网络结构的示意图；

图4为本发明实施例提供的BasicBlock结构图；

图5为本发明实施例提供的基于BasicBlock的ResNet34结构图；

图6为本发明实施例提供的无人值守智慧沙场云平台登录界面图；

图7为本发明实施例提供的无人值守智慧沙场云平台用户界面图；

图8为本发明实施例提供的无人值守智慧沙场云平台管理员界面图；

图9为本发明实施例提供的微型无人值守智慧砂矿场测试平台俯视图；

图10为本发明实施例提供的微型无人值守智慧砂矿场测试平台功能细节图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

本发明针对砂矿场实地工作时所需经历的流程和环节，设计了一套无人值守智慧沙场云平台。该平台包含以下几个关键系统：车辆识别与监控系统、砂矿自动识别和自动称重系统、车辆闸机超载预警系统、云端的企业监管系统、云端的用户付费系统。

车辆识别与监控系统：采用车牌识别技术，对进出车辆进行图像抓拍，能自动识别车牌号，对车辆进行管理和收费。在安全管理方面可以有效的保障车辆的安全，杜绝一卡多用的现象；同时车牌自动识别技术可以通过读取车牌自动完成收费，无需办理临时卡，方便管理，对于特殊车辆，可以预先存储车牌号码，车辆进出时通过自动识别，直接放行，十分方便，拥有多重安全保障。

车辆闸机超载预警系统：为了严格监控砂矿时开采，保障资源合理利用，同时严防车辆超载，致使道路破坏、交通事故频发，运输市场恶化等现象出现，该系统对所有进出砂矿场的车辆进行载重测量，对于符合载重的运砂矿车辆实行开闸级放行措施，超载等危险车辆发出警告标志，要求其重新运卸砂矿料，保护砂矿场硬化路面等基础设施，维护砂矿场工程运作安全。

砂矿子自动识别和自动称重系统：利用深度学习、图像识别等技术在无需人工干预的情况下对砂矿场经营的砂矿子种类进行精准化识别。自动称重实现快速准确称重，免除了排队过衡的现象。所有数据计算机自动记录，自动核实，免除了人工干预，避免人为操作漏洞。

企业管理系统：采用XOJO跨平台开发软件为砂矿场管理快速搭建自主开发的管理平台，通过管理平台，企业管理者可随时监控砂矿场现场运作状况、出入车辆情况，当日出售砂矿产量、当日剩余砂矿资源总量、砂矿场营业额等情况，无需到达砂矿场实地，即可多角度、全方位，快速便捷的管理多个砂矿场。

用户付费系统：自主开发的云端用户付费系为砂矿场购买砂矿料的客户提供了一个方便快捷的购买途径。用户可提前在用户付费系统提前预定需要购买的砂矿种类、砂矿数量以及到达砂矿场装卸砂矿的时间段，然后在进入本团队布设好的全自动、智能砂矿场进行砂矿料购买，自动付费，该过程无需人工干预，大大提高砂矿场出售方和购买方的交易效率，节约了大量时间成本。

参见图1，本实施例的无人值守智慧砂矿场云平台，包括：砂矿场终端和云端；所述砂矿场终端与所述云端无线连接。

所述砂矿场终端包括车辆识别与监控系统、称重系统和砂矿种类识别系统；所述车辆识别与监控系统用于采集进入砂矿场的车辆的车牌图片，并进行车牌识别，得到车辆的身份信息；所述称重系统用于对空车测重，得到空车重量，并对车辆在砂矿装载完毕后称重，得到装载重量(整车重量)；所述砂矿种类识别系统用于采集车辆在砂矿装载完毕后的沙子图片，并识别砂矿种类，得到砂矿类别。

所述云端包括企业监管系统和用户付费系统；所述企业监管系统用于获取进入砂矿场的各车辆的车辆信息，并根据所述车辆信息计算费用信息；所述车辆信息包括所述车辆的身份信息、对应车辆的空车重量、对应车辆的装载重量和对应车辆在砂矿装载完毕后的砂矿类别；所述用户付费系统用于按照所述费用信息进行扣费。

其中，所述砂矿场终端还包括车辆闸机超载预警系统；所述车辆闸机超载预警系统用于对进出砂矿场的车辆进行载重测量，得到载重信息，根据所述载重信息确定是否开闸放行，并在禁止开闸放行时，发出报警信号。

所述砂矿场终端还包括Wi-Fi无线通信模块；所述Wi-Fi无线通信模块用于将所述车辆信息发送至所述企业监管系统。

所述砂矿场终端还包括自动装卸装置；所述自动装卸装置用于对行驶至装砂区内的空车装载砂矿。

所述云端还包括数据库；所述数据库用于存储所述车辆信息和所述费用信息。

所述称重系统为地磅称重系统。

所述车辆识别与监控系统包括第一摄像头；所述第一摄像头用于拍摄进入砂矿场的车辆的车牌图片。

所述砂矿种类识别系统包括第二摄像头；所述第二摄像头用于拍摄车辆在砂矿装载完毕后的沙子图片。

参见图2，对本实施例无人值守智慧砂矿场云平台的实现流程进行说明：车辆进入砂矿场前，首先经过车辆识别与监控系统，车辆识别与监控系统利用摄像头采集车牌图片，然后进行车牌识别，得到车辆的身份ID；车辆进入砂矿场后使用地磅称重系统计测空车重量，得到空车重量；车辆行驶至装砂区通过自动装卸装置装载砂矿，然后利用摄像头采集沙子图片，进行砂矿种类识别，得到所购买砂矿种类；然后再次利用地磅称重系统对载重的车辆进行称重，得到整车重量；云端利用装配在终端的Wi-Fi无线通信模块实时同步获取车辆产生的所有数据，然后利用车辆空车重量，车辆载重重量、所购买的沙子种类等数据计算价格，在云端用户管理界面按车牌所属ID进行自动扣费。扣费成功后，云端控制出口阀门打开，帮助车辆顺利通行。同时，云端将所有数据同步存储到企业数据库中，砂矿企业管理人员和砂矿场用户可以根据权限查询自己所需的历史数据。

下面对车辆识别与监控系统中的车牌识别进行介绍。

使用深圳信路通SNT-PTR200停车收费一体机大黄蜂现有的系列产品，加上车辆检测器SNT-CJQ01车过落杆，防止砸车。输出1张结果大图、车牌彩色小图、车牌结果文本、附加信息文本等。车牌识别参数指标如表1所示。

表1

下面对砂矿种类识别系统的沙子类别识别进行介绍。

通过架设于车辆上方的摄像头获取沙子的图像，然后推送至服务器对沙子的类别进行识别。软件部分可以采取以下三种方法实现：

方案一：先利用基于统计分析方法的灰度共生矩阵(Gray level co-occurrencematrix，GLCM)算法进行纹理特征的提取与分析，设计一个基于网络的纹理图像处理识别平台。将度共生矩阵的级数调整为0至15灰度级，即将相邻的十六级灰度归为一个灰度及，以减小特征量的差异，易于人工神经网络训练时计算权重进行归类，最后统计出16个特征量选出6个作为输入。神经网络的隐藏层选10个，最终的输出层为3个标志沙子种类。该方法的好处在于需要的训练图片不多，缺点为精度可能不高。

方案二：玻尔兹曼机是神经网络模型的一大种类，但是在实际应用中使用最多的则是RBM。RBM本身模型很简单，只是一个两层的神经网络-隐藏层及可见层，它们的神经元的取值只为0或者1。因此严格意义上不能算深度学习的范畴。在训练模型时，对于每个样本，仅仅采用有标签的物体作为可见层神经元来训练模型；而后面若要加入新的物件时，原来的权重仍然可用，这就大大地减少训练的难度。把多个RBM串联起来，就构成了深度玻尔兹曼机(RBM)。使用Matlab软件平台编程实现两层RBM：输入50X50的红绿蓝图像灰度值，即7500个单元，隐藏层选1000个；另一层RBM输出为100个单元；最终的可见层为要区分的沙子种类。实际应用中，使用6千多例进行建模，其中70％用于训练，30％用于检测。

方案三：使用两种深度学习网络进行训练识别，分别是基于改进后的VGGNet和ResNet网络。

最终方案：先采用较为简单的VGGNet测试结果是否符合预期。采用的VGGNet在VGG16的基础上做了部分改进，目的在于适配数据图像的尺寸，减少不必要的计算。在网络中引入Maxpool池化，提取最大特征点，降低参数量。本实施例的VGG16结构如图3所示。

本实施例采用的ResNet是根据多个BasicBlock堆叠而成，BasicBlock由卷积层、激活函数ReLU以及BN(BatchNormalization)层构成，BasicBlock的残差结构关键在于输入与输出的channels是否相等，若不相等，则需要将输入做一个1×1卷积运算，令输入数据的通道数与输出的通道数相等。由于ResNet34的层数较深，为防止梯度消失以及梯度爆炸问题，在残差模块中使用了BatchNormalization把批量数据标准化。本实施例的BasicBlock如图4所示。图4中，当输入与输出的channels不相等(即NO)时，执行左侧的残差结构。该残差结构的主分支由两层3x3的卷积层组成，而残差结构左侧的连接线是shortcut分支也称捷径分支，捷径分支上的1×1卷积核可用来降维或升维。本设计正是通过out_channels个1×1卷积核来使输入数据与输出数据的通道数相匹配。当主分支上的输出数据与捷径分支上的输出数据的通道数相同时，便可实现两者的相加操作。当输入与输出的channels相等(即YES)时，执行右侧的残差结构。该残差结构的主分支与左侧残差结构的的主分支相同，不同在于其捷径分支没有1×1卷积层。

本实施例中基于BasicBlock的ResNet34结构如图5所示。图5中，首先，输入图片经过64个3x3的卷积核、ReLU激活和BN标准化，再通过3x3的最大池化层降低网络计算量，并将其输出逐层输入到以下四种BasicBlock中。第一种BasicBlock由64个3x3的卷积核构成，共3组，输出数据的通道数为64；第二种BasicBlock由128个3x3的卷积核构成，共4组，输出数据的通道数为128；第三种BasicBlock由256个3x3的卷积核构成，共6组，输出数据的通道数为256；最后一种BasicBlock由512个3x3的卷积核构成，共3组，输出数据的通道数为512。然后，将通道数为512的输出数据通过平均池化处理，将学习到的深度特征进行融合。接着进行全连接操作，该全连接层在整个卷积神经网络中起到“分类器”的作用。最后，输出分类的结果。

下面对称重系统的自动重量计测进行介绍。

称重系统包括过磅传感器和控制接口装置。过磅传感器提供信号传送格式，控制接口装置选择STM32F103ZET6单片机作为处理器，可搭载Wi-Fi无线通信模块，一方面处理来自终端设备的传感器采集到的重量数据，由Wi-Fi无线通信模块通过网络转发至服务器。

(1)Wi-Fi无线通信模块选用ESP8266Wi-Fi无线通信模块。

本实施例选择Wi-Fi无线通信模块进行短距离无线通信，具有成本低廉、高性能低功耗、传输距离更远、传输速率更快、通用于不同设备等特性，对开发物联网应用具有优秀的条件。ATK-ESP8266是正点原子团队推出的一款高性能低功耗的UART-Wi-Fi模块，板载ATK-ESP-01模块，模块内嵌TCP/IP协议，通过串口和单片机进行通信，STM32F103ZET6上有Wi-Fi模块接口，该接口连接STM32F103单片机的串口3，可直接插入ESP8266模块，不需要额外接线，大大简化的电路连接。同时只需要进行简单的串口设置，即可实现单片机与Wi-Fi模块之间的通信工作。

ATK-ESP8266模块具有三种工作模式，分别是：

Wi-Fi STA模式：此模式下可通过路由器接入互联网，此时手机或电脑即可通过互联网访问以进行远程控制。

AP模式：此模式下ATK-ESP8266作为Wi-Fi热点，设备可接入进行无线通信，实现局域网内的无线传输。

STA+AP模式：此时两种模式共存，(STA模式)ESP8266可作为终端接入通过路由互联网，(AP模式)也可作为Wi-Fi热点，其他终端设备可以接入。

下面对用户付费系统的自动扣费进行介绍。

空车进入沙场前自动计测空车重量；沙子装好后在出口处再自动计测沙车重量；以车辆前后重量差为沙子总重量，乘以沙子类别的单价计算出应缴费用，由程序查询车牌所属单位的预付款余额，进行扣费。所有数据均在服务器上处理及保存，并提供远程实时查询功能。

下面对云端的搭建进行介绍。

云平台搭建可以分为服务器搭建和云平台界面搭建。云平台界面主要是为了开发一个交互界面，界面包含方便砂矿企业管理的多种功能。

(1)服务器选择

物联网平台提供了丰富的接口和功能，但不同平台间，实现不同功能时需要使用不同的协议，如MQTT协议、HTTP协议，并且在不同设备间数据的转发还需要设定相应的规则，将数据按照一定格式封装，实现起来相对繁琐。搭建服务器则需要建立一个JavaWeb项目，部署至如tomcat服务器上，要实现远程通信还要一个云服务器，再将本地服务器部署至云端。购买云服务器需要的成本较高，本系统的实现需要转发的信息量不多，购买云服务器并非必要。

本实施例中采用端口映射和动态域名解析的方法实现内网穿透，保证本地主机运行的云平台界面可以由当前内网映射到外网中，利用远程控制装置设置TCP服务器，手实现手机APP也可以可通过外部网络访问。

实现流程：将采用“花生壳”软件，注册即可免费获得一个域名，即可使用“花生壳”提供的域名服务器，开通内网穿透功能，添加相应的映射，只要输入域名相应的IP地址和端口就可以实现由外网至内网指定主机的访问，进而实现远程监控。

(2)云平台开发软件

本实施例将采用XOJO软件开发云平台界面。XOJO是一个跨平台编程语言和可视化开发界面的开发工具，它支持跨平台开发和开发多平台应用，通过交叉编译即可实现在Windows系统上开发Linux系统的应用，也可以开发Mac OS X系统上的应用。此外，在同一个系统上也可以开发多类平台程序如(桌面应用程序、网络程序、控制台程序，且未来即将支持诸如iOS的移动平台)，而且可以根据需求为应用程序添加或删除图形用户界面，操作过程十分便捷。

本实施例还可以采用边缘计算的方式和图像识别FPGA的方式进行加速。

用户图像通过相机获取后推送至服务器平台，由于网络处理时间有滞后性，因此采用边缘计算方式进行加速，即图像识别程序放在服务器后台运行，通过网络程序进行数据和指令信息交流。目前深度学习算法对语意理解有着较高的识别率，只是模型相对传统算法来说过于庞大，可以采用并行计算解决该问题。现场可编程门阵列(FieldProgrammable Gate Array，FPGA)，是典型的并行计算芯片。其运算速度快，稳定性高，且可以并行计算。和其他矩阵计算的实现方式相比，FPGA有其独特的优势。

(1)边缘计算

在本实施例中，将砂矿图像等大运算量数据处理移到本地服务器上，云服务器仅仅获取本地服务器处理结果，从而实现而无需交由云端，处理过程在本地进行的边缘计算功能，减轻云服务器的压力。

(2)图像识别FPGA加速

边缘计算的本地运算部分将采用FPGA对砂矿图片识别进行加速。FPGA加速将采用PYNQ芯片，PYNQ在原有Zynq架构的基础上，添加了对python的支持，集成了ARM处理器和FPGA可编程逻辑器件，是一种新兴的异构SOC。基于FPGA的图像分类加速，相较于传统的ARM编程，开发周期大大缩短，同时相比于CPU，运算速率有几十上百倍的提升，功耗有明显降低，成本也较低。

下面对本实施例无人值守智慧砂矿场云平台的系统功能进行说明。

本实施例利用XOJO跨平台开发软件为砂矿场公司搭建了一套可实现砂矿场远程监控管理、客户自动查询付费以及砂矿场资源管理等功能的云平台。云平台主要包含三大主要界面：登录界面、用户界面以及管理员界面。通过设定登录界面，云平台可同时在线为砂矿场管理者和砂矿场用户服务。在登录用户界面以后，砂矿场用户可以通过用户界面自动缴费、查询账号流水信息和查询个人账号的历史购买信息，将用户出入购买记录进行信息化处理，使得用户能在短时间能快速获取自己的购买记录，提升了砂矿场服务客户的体验感。砂矿场管理者在登入用户界面以后，可自行选择物联网系统管理、数据库管理、用户管理和砂矿场资源管理的多种管理功能，使得砂矿场运作更加便捷高效。

通过对登录界面、用户界面以及管理者界面的设计和构想，本实施例开发了涵盖上述功能的XOJO云平台界面，如下所示：

(1)登录界面如图6所示。其操作流程：用户或砂矿场管理员输入相应的账号和密码，界面针对使用者跳转到相应的用户界面和管理界面。

(2)用户界面如7所示。其操作流程：砂矿场用户将运砂矿车开入砂矿场后，首先由车牌识别系统捕捉车牌信息，捕捉后的车牌信息将从无线终端设备传输到上述界面的车牌号框图内，作为用户账号的身份标识。然后用户当前所购砂矿种类、砂矿质量和应付金额都会以记录的形式，显示在云平台界面。同时，用户可以随时在该平台查询其在砂矿场中的交易流水。

(3)管理员界面如8所示。其操作流程：沙场管理员在进入管理界面之后可通过上述界面实现对沙场管理的远程操控。如图8所示，沙场管理员可以通过启动/关闭操作自动启动或者关闭无人值守智慧沙场系统，通过物联网控制，还可实现车辆进出管理和装沙操作。在管理用户界面，云平台为沙场管理者设计了新增用户，用户充值以及用户历史交易记录查询的功能，为管理用户提供了更加快捷高效的方式。

下面对本实施例的无人值守智慧砂矿场云平台进行可靠性验证。首先，搭建了一个微型无人值守智慧砂矿场测试平台，该平台模拟钦州市钦南区豪丰石业有限公司制砂矿场实际工作时需要涉及到的车辆管理、砂矿自动称重以及识别、云端管理及用户付费等环节。微型无人值守智慧砂矿场测试平台俯视图如图9所示，微型无人值守智慧砂矿场测试平台功能细节图如图10所示。

实验测试参数如表2所示，经过上千次运行调试，实验证明，该微型无人值守智慧砂矿场测试平台运行稳定性极高，系统运行准确率大于99.80％。

表2

本发明的目的是构建一套基于人工智能和边缘计算的物联网自动化砂矿场管理服务云平台，实现一个无人值守智慧砂矿场云平台：1)搭建一个云平台企业监管系统和一个云平台用户付费系统；2)用户进去砂矿场后，车辆识别与监控系统用以记录出入记录，砂矿自动识别系统与自动称重系统记录用户购买信息，并时时将各种信息传入云平台，进行相应的扣费操作。3)车辆闸机超载预警系统在确认车辆无问题后放行，无需任何人工介入。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。